<!-- title: Agent基建三栈：网关·运行时·协议实战 -->

# Agent基建三栈：网关·运行时·协议实战评测

## 概述

2026年，Agent战场从框架之争转入基建之争。Google Cloud Next '26发布Gemini Enterprise Agent Platform，AWS上线Bedrock AgentCore正式版，微软推出Agent365/Foundry控制面——三大云厂商在10天内密集发布了各自的Agent全托管平台。与此同时，Solo.io的agentgateway以Rust重写后吞吐量提升35倍，A2A协议从50家创始伙伴扩张至150+组织并进入Linux基金会，ACP协议由IBM Research主导加速标准化。Agent基础设施正沿着"网关→运行时→协议"三层架构快速收敛，本文逐一拆解六大平台、三大协议的实战表现。

---

## 一、三层架构全景

Agent基础设施在2026年已清晰分化为三个正交层：

| 层次 | 职责 | 代表产品 |
|------|------|---------|
| **协议层** | Agent间通信标准、发现机制、任务委派 | A2A (Google)、ACP (IBM)、MCP (Anthropic) |
| **运行时层** | Agent生命周期管理、沙箱执行、持久状态 | AWS AgentCore、Gemini Enterprise、Microsoft Agent365 |
| **网关层** | 流量路由、安全策略、可观测性、成本控制 | agentgateway、Portkey、LiteLLM、Kong AI Gateway |

```mermaid
graph TB
    subgraph Protocol["协议层 - Agent互操作"]
        A2A["A2A Protocol<br/>Google · Linux Foundation"]
        ACP["ACP Protocol<br/>IBM Research · BeeAI"]
        MCP["MCP Protocol<br/>Anthropic · 广泛生态"]
    end

    subgraph Runtime["运行时层 - Agent执行平台"]
        AC["AWS Bedrock<br/>AgentCore"]
        GE["Google Gemini<br/>Enterprise Agent Platform"]
        MS["Microsoft<br/>Agent365 / Foundry"]
    end

    subgraph Gateway["网关层 - Agent流量管理"]
        AG["agentgateway<br/>Solo.io · Rust"]
        PK["Portkey<br/>多模型路由"]
        LL["LiteLLM<br/>开源统一API"]
        KG["Kong AI Gateway<br/>企业级插件"]
    end

    Runtime -->|"部署目标"| Gateway
    Protocol -->|"通信标准"| Runtime
    Protocol -->|"发现与委派"| Gateway

    style Protocol fill:#e8f5e9
    style Runtime fill:#e3f2fd
    style Gateway fill:#fff3e0
```

三层之间的关系：**协议层**定义Agent如何互相发现和通信，**运行时层**提供Agent的执行环境和生命周期管理，**网关层**则处理Agent对外部工具、模型和数据的连接控制。一个完整的生产Agent部署通常需要三层协同。

---

## 二、网关层：六大Agent Gateway实测

### 2.1 agentgateway (Solo.io) — Rust原生Agent网关

Solo.io在2025年推出agentgateway后，于2026年初用Rust完全重写。根据官方基准测试，相比之前的Go实现，内存占用降低300倍，吞吐量提升35倍。agentgateway是目前唯一同时支持A2A和MCP双协议的开源网关。

**核心架构：**
- 基于Envoy proxy技术栈的数据面
- 原生支持MCP（工具连接）和A2A（Agent间通信）路由
- 内置mTLS终端、JWT认证、RBAC策略引擎
- Kubernetes原生部署，支持CRD配置

```yaml
# agentgateway典型配置片段
apiVersion: gateway.agentgateway.io/v1alpha1
kind: AgentGateway
spec:
  listeners:
    - protocol: MCP
      port: 8080
      routes:
        - backend: mcp-server-tools
          authentication:
            type: jwt
            issuer: https://auth.example.com
    - protocol: A2A
      port: 8081
      routes:
        - backend: remote-agents
          tls:
            mode: MUTUAL
  observability:
    tracing: opentelemetry
    metrics: prometheus
```

**优缺点：**
- 优势：性能碾压级、双协议支持、Kubernetes原生
- 劣势：生态较新（GitHub ~2.8k stars）、社区文档尚在完善、高级限流需企业版

**变现评估：** 企业版Agent Mesh提供多集群联邦治理，适合中大型企业的Agent基础设施团队。训练营方向：Agent网关运维认证。

### 2.2 Portkey — 多模型路由与可观测性一体机

Portkey在2026年已支持1600+模型提供商的路由，是最成熟的LLM网关之一。其核心价值在于将路由、缓存、Guardrails、可观测性集成在单一控制面。

**关键特性：**
- 统一API兼容OpenAI SDK格式，一行代码切换后端模型
- 语义缓存（Semantic Cache）减少30-50%重复请求
- 内置Guardrails引擎：PII过滤、内容安全、自定义规则
- 实时成本追踪，按模型/路由/标签多维度归因

```python
# Portkey统一路由示例
from portkey_ai import Portkey

portkey = Portkey(
    api_key="PORTKEY_API_KEY",
    config={
        "strategy": "fallback",
        "targets": [
            {"provider": "anthropic", "model": "claude-sonnet-4-6"},
            {"provider": "openai", "model": "gpt-4.1"},
        ],
        "cache": {"type": "semantic", "ttl": 3600},
        "guardrails": ["pii-filter", "content-safety"]
    }
)

response = portkey.chat.completions.create(
    messages=[{"role": "user", "content": "分析这份合同的风险条款"}]
)
```

**优缺点：**
- 优势：模型覆盖最广、开箱即用的可观测面板、缓存效果显著
- 劣势：不原生支持A2A/MCP协议、Agent工作流级追踪需配合LangSmith
- 定价：按请求量计费，免费层100K请求/月

**变现评估：** 已有成熟的SaaS付费模式。适合作为AI应用的统一入口层，特别是在多模型混合调用场景。

### 2.3 三大云厂商原生网关

三大云厂商均在2026年推出了各自的Agent Gateway：

| 厂商 | 产品 | 核心差异 |
|------|------|---------|
| **AWS** | Bedrock AgentCore Gateway | 原生集成IAM、VPC隔离、与AgentCore Runtime一体化 |
| **Google** | Gemini Enterprise Agent Gateway | 原生A2A支持、mTLS自动管理、与ADK深度绑定 |
| **Microsoft** | Foundry Agent Service Gateway | Entra ID集成、Agent 365统一控制面、Azure Policy原生支持 |

三家网关的共同特点是：**与自家云服务深度绑定，安全模型复用现有云基础设施，但跨云互操作性差**。AWS AgentCore Gateway走的是最激进的路线——将工具暴露为MCP Server，Agent通过Gateway发现和调用，实现工具级的安全管控。

---

## 三、运行时层：四大Agent Runtime深度对比

### 3.1 AWS Bedrock AgentCore — 五件套全托管

AgentCore在2025年re:Invent预览后，2026年4月GA。它将Agent生产化所需的五大能力打包：

| 组件 | 功能 |
|------|------|
| **Runtime** | 沙箱化Agent执行环境，支持自定义容器镜像 |
| **Gateway** | MCP/A2A工具暴露与路由 |
| **Memory** | 托管向量存储 + 会话持久化 |
| **Identity** | 细粒度权限代理（Agent以特定IAM角色访问资源） |
| **Observability** | 集成CloudWatch/X-Ray的分布式追踪 |

**架构亮点：** AgentCore Runtime的核心创新是"身份代理"模型。传统Agent以服务账号身份运行，权限过大。AgentCore允许每个Agent运行时携带独立的IAM Role，实现最小权限原则。一个财务Agent只能访问财务数据库，一个HR Agent只能查薪资表——这在多Agent生产环境中至关重要。

```python
# AgentCore CLI快速部署示例
# 安装CLI
# pip install @aws/agentcore

# 初始化Agent项目
# agentcore init my-agent --runtime python3.12

# 部署到AgentCore Runtime
# agentcore deploy --memory vector --identity my-agent-role
```

**优缺点：**
- 优势：最完整的托管五件套、IAM集成无人能及、Terraform资源全覆盖
- 劣势：被AWS生态锁定、冷启动延迟较高（容器沙箱）、调试体验不如开源方案

### 3.2 Google Gemini Enterprise Agent Platform — 全栈Agent操作系统

Google Cloud Next '26的重磅发布。Google直接退役了Vertex AI Agent Builder，将其升级为完整的Gemini Enterprise Agent Platform。在I/O '26后又追加了ADK 2.0和Managed Agents。

**架构创新：**
- **Antigravity CLI**：本地开发 → 一行命令部署到云端，类似Vercel的DX体验
- **Agent Engine**：托管Agent运行时，支持Gemini、Claude、GPT等多模型
- **Agent Gateway**：统一A2A/MCP流量管理，自动mTLS
- **Agent Gallery**：企业内部Agent市场，支持版本管理和A/B测试

```yaml
# Antigravity部署配置示例
apiVersion: antigravity.dev/v1
kind: Agent
metadata:
  name: financial-analyst
spec:
  model: gemini-2.5-pro
  tools:
    - mcp://bigquery-analytics
    - a2a://risk-assessment-agent
  memory:
    type: persistent
    backend: cloud-spanner
  identity:
    serviceAccount: analyst-agent@project.iam
  scaling:
    minInstances: 2
    maxInstances: 100
```

**优缺点：**
- 优势：开发体验最佳（Antigravity CLI）、原生A2A支持、多模型自由度最高
- 劣势：对非GCP用户门槛高、部分功能仍在Preview、定价模型复杂

### 3.3 Microsoft Agent365 + Foundry — 企业治理优先

微软的Agent策略与其Copilot生态深度绑定。Agent365是Foundry之上的治理层，而Foundry Agent Service提供底层运行时。

**核心差异：**
- **Agent Inventory**：跨订阅发现所有已部署Agent，统一视图
- **Entra ID原生集成**：Agent权限与人组织结构对齐
- **Agent 365 Control Plane**：策略引擎，可定义"Agent X只能访问Y数据源"
- **Copilot Studio集成**：低代码Agent构建，面向业务用户

Kore.ai的Artemis平台选择原生构建在Microsoft Foundry和Agent365之上，说明了微软生态的吸引力——企业客户已在Azure AD/Entra ID中建立了身份体系，Agent治理复用这套体系阻力最小。

**优缺点：**
- 优势：企业治理最强、与Office 365/Copilot生态无缝、低代码入口降低门槛
- 劣势：灵活度低于AWS/Google、模型选择受限、定价不透明

### 3.4 四大Runtime横向对比

| 维度 | AWS AgentCore | Gemini Enterprise | Agent365/Foundry | agentgateway自建 |
|------|-------------|-------------------|-------------------|-----------------|
| **上手速度** | 中（CLI+Terraform） | 快（Antigravity CLI） | 中（Copilot Studio） | 慢（全自建） |
| **模型自由度** | Bedrock全系列 | 多模型支持 | OpenAI为主 | 完全自由 |
| **安全模型** | IAM Role代理 | GCP IAM + mTLS | Entra ID | 自定义 |
| **A2A支持** | 部分 | 原生 | 计划中 | 原生 |
| **MCP支持** | Gateway原生 | Gateway原生 | 部分 | 原生 |
| **可观测性** | CloudWatch/X-Ray | Cloud Trace/Logging | Application Insights | OTel自建 |
| **成本模型** | 按Runtime小时+调用 | 按Agent实例+模型Token | 按Copilot席位 | 基础设施成本 |
| **适合规模** | 中大型AWS用户 | 全规模GCP用户 | Microsoft 365企业 | 技术型团队 |

---

## 四、协议层：A2A vs ACP vs MCP — 三协议共存格局

### 4.1 A2A Protocol — Agent互操作的HTTP

A2A于2025年4月由Google发起，2026年4月进入Linux基金会，从50家创始伙伴增长到150+组织。Salesforce、SAP、Oracle、Atlassian等企业软件巨头悉数加入。A2A v1.0.0已于2026年初正式发布。

**核心概念：**
- **Agent Card**：JSON-LD格式的Agent能力描述文件，包含支持的技能、认证方式、端点URL
- **Task**：Agent间通信的核心抽象。一个Agent向另一个Agent发送Task，接收方执行并返回结果
- **Transport**：HTTP + JSON-RPC 2.0，企业友好

```json
// Agent Card示例
{
  "@context": "https://a2a-protocol.org/v1",
  "name": "risk-assessment-agent",
  "description": "评估金融交易风险等级",
  "url": "https://agents.example.com/risk-assessor",
  "capabilities": {
    "streaming": true,
    "pushNotifications": true
  },
  "authentication": {
    "schemes": ["oauth2", "api-key"]
  },
  "skills": [
    {
      "id": "assess-transaction-risk",
      "name": "交易风险评估",
      "input": {"type": "object", "properties": {"amount": {"type": "number"}}},
      "output": {"type": "object", "properties": {"riskLevel": {"type": "string"}}}
    }
  ]
}
```

**Task生命周期：**

```mermaid
stateDiagram-v2
    [*] --> Submitted: Client发送Task
    Submitted --> Working: Remote Agent接受
    Working --> Working: 流式更新(Artifact)
    Working --> Completed: 成功完成
    Working --> Failed: 执行失败
    Working --> Cancelled: 客户端取消
    Submitted --> Rejected: Remote Agent拒绝
    Completed --> [*]
    Failed --> [*]
    Cancelled --> [*]
    Rejected --> [*]
```

**与MCP的互补关系：** MCP解决的是Agent→工具的连接，A2A解决的是Agent→Agent的连接。在A2A的架构中，一个Agent可以同时既是MCP Client（调用外部工具），又是A2A Remote Agent（接受其他Agent的Task委派）。两者在网关层（如agentgateway）统一管理。

### 4.2 ACP (Agent Communication Protocol) — IBM的轻量级替代

ACP由IBM Research发起，通过BeeAI项目推进。与A2A的任务委派模型不同，ACP采用REST原生设计，强调轻量级Agent间调用：

| 特性 | A2A | ACP |
|------|-----|-----|
| **发起方** | Google + Linux Foundation | IBM Research |
| **传输** | HTTP + JSON-RPC 2.0 | REST (HTTP + JSON) |
| **发现** | Agent Card (JSON-LD) | Agent Discovery Service |
| **任务模型** | 有状态Task生命周期 | 无状态请求/响应 + 长任务 |
| **流式支持** | 原生SSE | 原生SSE + WebSocket |
| **安全** | OAuth2/API Key | OAuth2/mTLS |
| **复杂度** | 中等 | 低 |
| **生态规模** | 150+组织 | ~20组织 |

ACP的优势在于简单——标准的RESTful接口，任何HTTP开发者都能快速接入。劣势是生态规模远小于A2A，且缺乏大厂的全力推动。

### 4.3 三协议定位矩阵

```mermaid
graph LR
    subgraph Agent侧
        Agent["AI Agent"]
    end

    subgraph 三协议定位
        MCP["MCP<br/>Agent → 工具/数据<br/>Anthropic发起"]
        A2A["A2A<br/>Agent → Agent<br/>Google发起"]
        ACP["ACP<br/>Agent → Agent(轻量)<br/>IBM发起"]
    end

    subgraph 资源侧
        Tools["外部工具<br/>API/数据库"]
        Agents["其他Agent"]
    end

    Agent -->|"调用工具"| MCP
    Agent -->|"委派任务"| A2A
    Agent -->|"轻量协作"| ACP
    MCP --> Tools
    A2A --> Agents
    ACP --> Agents
```

**实战选型建议：**
- 只需要Agent调用外部工具 → **MCP**（生态最成熟）
- 需要跨框架Agent协作 → **A2A**（生态最大，云厂商支持最广）
- 内部少量Agent互调，追求极简 → **ACP**（上手最快）
- 生产级全栈 → **MCP + A2A组合**，通过agentgateway统一管理

---

## 五、从零搭建：三层协同实战

### 5.1 最小可行架构

一个典型的小团队Agent生产部署方案：

```
[业务Agent] → [agentgateway] → [MCP Server集群]
                    ↓
              [A2A发现服务] → [协作Agent]
                    ↓
              [LLM路由(Portkey)] → [多模型后端]
                    ↓
              [可观测性(OTel)] → [Grafana]
```

**组件选型：**
- 网关：agentgateway（开源、Rust高性能、双协议）
- 运行时：Docker Compose自建（小团队）或Cloud Run/Fargate（中团队）
- 协议：A2A（Agent间）+ MCP（工具连接）
- 可观测性：OpenTelemetry → Grafana Tempo + Loki

### 5.2 企业级架构

中大型企业的Agent基础设施：

```
[Agent365/Foundry] ─── 治理层 ──→ [策略引擎]
[AgentCore Runtime] ── 执行层 ──→ [沙箱容器]
[Agent Gateway] ────── 网关层 ──→ [MCP/A2A路由]
                                        ↓
                    ┌───────────────────┼───────────────────┐
                    ↓                   ↓                   ↓
              [内部工具MCP]      [外部Agent A2A]      [LLM Provider API]
```

**成本估算（中型部署，月维度）：**

| 组件 | 方案 | 月成本估算 |
|------|------|-----------|
| Runtime | AgentCore Runtime × 5实例 | $500-1500 |
| Gateway | agentgateway (自建) | $200-500 (计算资源) |
| Memory | 托管向量存储 (100GB) | $100-300 |
| 可观测性 | OTel + Grafana Cloud | $50-200 |
| LLM API | 混合模型路由 | $2000-10000+ |
| **总计** | | **$2850-12500** |

---

## 六、选型决策树

```mermaid
graph TD
    Start["选择Agent基础设施"] --> Cloud{"已有云厂商偏好?"}
    Cloud -->|"AWS"| AWS["AWS AgentCore<br/>全套托管"]
    Cloud -->|"GCP"| GCP["Gemini Enterprise<br/>Antigravity部署"]
    Cloud -->|"Azure"| Azure["Agent365/Foundry<br/>企业治理"]
    Cloud -->|"无/混合"| Self{"团队规模?"}

    Self -->|"≤5人"| Small["agentgateway自建<br/>Docker Compose<br/>MCP+A2A"]
    Self -->|"5-20人"| Med["agentgateway + K8s<br/>Portkey LLM路由<br/>OTel可观测"]
    Self -->|"20+人"| Large["多集群agentgateway<br/>混合云Runtime<br/>A2A联邦发现"]

    AWS --> NeedA2A{"需要跨Agent协作?"}
    GCP --> NeedA2A
    Azure --> NeedA2A
    NeedA2A -->|"是"| Full["启用A2A协议<br/>agentgateway做网关"]
    NeedA2A -->|"否"| MCPOnly["MCP满足<br/>成本最优"]

    style Start fill:#4CAF50,color:white
    style AWS fill:#FF9800,color:white
    style GCP fill:#2196F3,color:white
    style Azure fill:#9C27B0,color:white
```

---

## 七、趋势研判与风险提示

### 7.1 收敛趋势

Agent基建三层正在快速收敛。标志性事件：
- A2A进入Linux基金会，成为中立标准
- agentgateway同时支持A2A和MCP，成为跨协议网关事实标准
- 三大云厂商的Runtime都在兼容A2A，而非闭门造车

预计到2026年底，**MCP + A2A**将成为Agent基础设施的"TCP/IP + HTTP"级标准组合。

### 7.2 风险点

- **协议分裂**：ACP与A2A功能重叠，如果IBM强力推进可能造成生态分裂
- **云锁定**：三大云厂商的Runtime虽然都支持A2A，但深度功能仍绑定自家生态
- **安全空窗**：A2A v1.0的安全模型仍较基础，细粒度的跨组织Agent权限控制尚无成熟方案
- **成本不透明**：Agent Runtime的定价模型仍在演化，长期运行Agent的成本可能远超预期

### 7.3 变现场景

| 方向 | 潜力 | 说明 |
|------|------|------|
| Agent Gateway运维培训 | ★★★★ | 企业急需能管理MCP/A2A网关的运维人才 |
| A2A协议集成服务 | ★★★★★ | 传统企业Agent化改造的刚需 |
| Agent基础设施咨询 | ★★★★ | 帮企业选型和部署三层架构 |
| Agent可观测性SaaS | ★★★ | 基于OTel的Agent追踪产品 |

---

## 参考来源

1. [Announcing the Agent2Agent Protocol (A2A) — Google Developers Blog](https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/) — A2A协议官方发布公告，含核心概念和架构说明
2. [A2A Protocol Surpasses 150 Organizations — Linux Foundation](https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year) — A2A协议一周年里程碑，150+组织支持
3. [6 Agent Gateway Platforms That Actually Exist in 2026 — dev.to](https://dev.to/lovestaco/6-agent-gateway-platforms-that-actually-exist-in-2026-and-what-theyre-good-for-2kek) — 六大Agent网关平台实战对比
4. [Amazon Bedrock AgentCore Documentation — AWS](https://docs.aws.amazon.com/bedrock-agentcore/) — AgentCore官方文档，含Runtime/Gateway/Memory/Identity/Observability五大组件
5. [MCP vs A2A vs ACP: The 2026 Guide — optinampout.com](https://optinampout.com/blogs/mcp-vs-a2a-vs-acp-agent-protocols-2026) — 三大Agent协议深度对比分析
6. [Google Cloud Next 2026: Gemini Enterprise Agent Platform — Bain Analysis](https://www.bain.com/insights/google_cloud_next_2026_the_agentic_enterprise_control_plane_comes_into_view/) — 贝恩咨询对Google Agent平台战略的分析
7. [Enterprise AI Agent Platforms 2026 — wetheflywheel.com](https://wetheflywheel.com/en/guides/enterprise-ai-agent-platforms-2026/) — 四大企业Agent平台（OpenAI Frontier/Agent365/AgentCore/Gemini Enterprise）横向评测

> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

![51学通信知识星球海报-扫码加入](https://wiki.500nian.com/images/zhixingqiu_qrcode.png)